基于排序加权的蚁群算法
| 第1章 绪论 | 第1-19页 |
| 1．1 引言 | 第9-10页 |
| 1．2 蚁群算法产生的背景及目前国内外的发展情况 | 第10-15页 |
| 1．2．1 产生背景 | 第10-12页 |
| 1．2．2 目前国内外的发展情况 | 第12-15页 |
| 1．3 蚁群算法的特点 | 第15页 |
| 1．3．1 蚁群算法的优点 | 第15页 |
| 1．3．2 蚁群算法的不足 | 第15页 |
| 1．4 研究蚁群算法的意义 | 第15-16页 |
| 1．5 蚁群算法的展望 | 第16-17页 |
| 1．6 本文的主要研究内容 | 第17页 |
| 1．7 主要研究成果 | 第17-18页 |
| 1．8 本文的结构 | 第18-19页 |
| 第2章 技术基础 | 第19-30页 |
| 2．1 蚁群算法原型 | 第19-21页 |
| 2．2 蚂蚁系统模型的建立 | 第21-27页 |
| 2．2．1 人工蚁与真实蚂蚁的异同 | 第21-22页 |
| 2．2．2 TSP问题的提出 | 第22页 |
| 2．2．3 系统模型的建立 | 第22-24页 |
| 2．2．4 蚁量系统、蚁密系统和蚁周系统模型 | 第24-27页 |
| 2．3 可拓学理论 | 第27-30页 |
| 2．3．1 可拓学的研究对象 | 第27页 |
| 2．3．2 物元理论 | 第27-28页 |
| 2．3．3 关联函数及关联度 | 第28-29页 |
| 2．3．4 可拓评价方法 | 第29-30页 |
| 第3章 改进的蚁群优化算法 | 第30-42页 |
| 3．1 蚁群系统 | 第30-31页 |
| 3．2 带精英策略的蚂蚁系统 | 第31-32页 |
| 3．3 基于优化排序的蚂蚁系统 | 第32-33页 |
| 3．4 最大-最小蚂蚁系统 | 第33-34页 |
| 3．5 基于排序加权的蚁群算法 | 第34-42页 |
| 3．5．1 算法思想 | 第34-35页 |
| 3．5．2 算法描述 | 第35-36页 |
| 3．5．3 算法复杂度分析 | 第36-37页 |
| 3．5．4 算法流程图 | 第37页 |
| 3．5．5 对于权系数的选取作以下说明 | 第37-38页 |
| 3．5．6 计算机仿真结果 | 第38-42页 |
| 第4章 蚁群算法的可拓评价 | 第42-50页 |
| 4．1 可拓学的基本理论 | 第42-43页 |
| 4．1．1 可拓信息 | 第42页 |
| 4．1．2 信息物元的基本概念 | 第42-43页 |
| 4．2 优度评价法 | 第43-46页 |
| 4．2．1 基本概念 | 第43-44页 |
| 4．2．2 优度评价法的具体步骤 | 第44-46页 |
| 4．2．3 优度评价法的优点 | 第46页 |
| 4．3 AS，改进蚁群算法和ACORW的可拓评判 | 第46-50页 |
| 4．3．1 确定衡量条件 | 第46页 |
| 4．3．2 确定权系数 | 第46-47页 |
| 4．3．3 首次评价 | 第47页 |
| 4．3．4 建立关联函数，计算合格度 | 第47-48页 |
| 4．3．5 计算规范合格度 | 第48页 |
| 4．3．6 计算优度 | 第48-50页 |
| 第5章 结论 | 第50-52页 |
| 5．1 本文的研究成果 | 第50页 |
| 5．2 有待进一步解决的问题 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 攻读学位期间公开发表论文 | 第55-56页 |
| 致谢 | 第56-57页 |
| 研究生履历 | 第57页 |
